农村 居民 消费结构 因子分析 聚类分析
姓名：蒋旭 姓名： 学号： 学号：20086063 学院： 学院：生命科学与理学院 班级：08级 班级：08级3班
目录
• • • • •
立题依据 研究内容 研究方法 预期目标 进度安排
立题依据
消费结构
概念 消费结构是指在一定的社会经济条件下人们在消费过 程中消费的各种各样的消费数据的比例关系。 作用 它反映了人们消费的内容、水平和质量，同时也反映 了人们消费需要的满足状况。 目的 考察消费结构，目的在于掌握和探索消费的变动趋势， 及时调整产业结构和产品结构，衔接好产需关系。
4. 对于贯彻和落实科学发展观，实现四川 小康社会的目标和率先发展，具有积极的意 义。
研究内容
• 分别查阅四川省从1995年—2008年来的人均纯收 入、各项消费支出的变动情况。 • 学习并应用spss软件对数据进行因子分析和聚类 分析。 • 根据分析结果，提出提高我省农村居民收入，缩 小收入差距，改善消费结构的措施和建议。
研究方法
搜集数据
建立模型
统计分 析 制定建议
因子分析法 一、概念
因子分析是指研究从变量群中提取共性因子的 统计技术。是将现实生活中众多相关、 统计技术。是将现实生活中众多相关、重叠的信息 进行合并和综合， 进行合并和综合，将原始的多个变量和指标变成较 少的几个综合变量和综合指标，以利于分析判定。 少的几个综合变量和综合指标，以利于分析判定。
二、意义
能够有效降低变量维数， 能够有效降低变量维数，以最少的信息丢失将众 多原有变量浓缩成少数几个因子， 多原有变量浓缩成少数几个因子，使因子具有一定的 命名解释性。 命名解释性。
相关步骤
• 确定待分析的原有若干变量是否适合于因子分析。 确定待分析的原有若干变量是否适合于因子分析。 • 构造因子变量。 构造因子变量。 • 利用旋转使得因子变量更具有可解释性。 利用旋转使得因子变量更具有可解释性。 • 计算因子变量的得分。 计算因子变量的得分。
相关步骤
• 根据因子分析的结果，指定聚类数目。 • 确定个初始类中心。 • 根据距离最近原则进行分类。依次计算每个样本 数据点到个类中心点的欧式距离，并按照距个类 中心点距离最短的原则将所有样本分派到个分类 中。 • 重新确定个类中心。依次计算各类中个变量的均 值，并以均值点作为K个类的中心点。
预期目标
聚类分析法 概念
聚类分析是一种建立分类ຫໍສະໝຸດ 多元统计分析方 它能够将一批样本（或变量） 法，它能够将一批样本（或变量）数据根据其诸 多特征， 多特征，按照在性质上的亲疏程度在没有先验知 识的情况下进行自动分类，产生多个分类结果。 识的情况下进行自动分类，产生多个分类结果。
意义
A.依据研究对象（样品或指标）的特征，对 依据研究对象（样品或指标）的特征， 依据研究对象 其进行分类的方法，可以减少研究对象的数目。 其进行分类的方法，可以减少研究对象的数目。 B.也是对上一步因子分析法所得结论的进一 也是对上一步因子分析法所得结论的进一 步证明和检验。 步证明和检验。
致谢
• 根据收集来的数据，分析出人均消费支出中各个 支出项目的所占比例。
• 采用因子分析和聚类分析方法，分析出四川省农 村居民消费结构的变动情况。
• 基于上述两点分析，得出结论并制定相应的建议。
进度安排 2011年3月—4月 查阅文献，数据 收集、整理，撰写开题报告并准备 开题报告答辩。 2011年5月—8月 对收集的数据分 析、预处理。 2011年9月—10月 建立数学模型， 并对相应算法就行研究。 2011年11月—12月 对四川省农村消 费结构分析的最后完善，撰写论文， 准备答辩。
研究的背景和意义
1.消费结构是反映居民生活消费水平、 生活质量变化状况以及内在过程合理化程 度的重要标志。 2.在十二五规划中提出要加强社会主 义新农村建设，加快发展现代农业。坚持 走中国特色农业现代化道路，提高农业综 合生产能力、抗风险能力和市场竞争能力。
3. 研究我省农村居民消费结构对合理引导 农村居民消费、促进我省农村经济的发展有 重要的意义。
农村居民消费结构的因子和聚类分析——以福建省为例
来， 随着社会 经济的快速发展 ， 城市综合水平不断提升 ， 城镇
居民 的生活水平显 著提 高 ， 福建居 民消 费需 求对全省经济发
展的影 响不断增 大。但是 ， 与城 镇居 民相 比， 农 村居 民消费
不足 ， 不仅 严重影 响了农村经 济 的发展 ， 也 制约 了全 省经济 持续 、 健康 、 稳定发 展。因此 ， 深入研究 福建农村居 民消费结
单位 ： 元
ｘ６ ｘ７ ｘ８
表１ ２ ０ １ １ 年福建各地市农 民消费结构 的指标数据
地 区 ｘ４
福 州 厦 门
３ ， ２ ９ ３ ． ８ ６ ３． ９ ４ ７ ． ２ １
５ ２ ７ ． ５ ７ ５ ９ ９ ．１ ， ４ １ ２ ． １ ０
３ ， １ ５ ７ ． ７ ８
３ ３ ４ ． １ １
３ ８ ７ ． ４ １
１ ， １ ３ ２ ． ５ ８
８ ８ ８ ． １ ９
３ ９ ２ ． ６ Ｏ
２ ９ ９ ． １ ２
４ ２ ０ ． ３ ９
３ ０ ９ ． ４ ３
６ ５ ６ ． ８ ５
６ ２ ０ ． ９ ３
［ 关键词］ 因子分析 ；聚类分析；农村居民消费结构
［ 中图分类号］ Ｆ １ ２ ６． １ ［ 文献标 识码 ］ Ａ
［ 基金项 目］ 国家级大学生创新创业训练项 目 “ 金融发展 与城 乡收入差距研 究”（ ２ ０ １ ３ １ ３ ７ ６ ２ ０ １ ０ ） ［ 作者简介 ］ 陈忠 （ １ ９ ６ ７ 一 ） ，男，硕士 ，副教授 ，研 究方 向为 国际贸易 、服 务贸易。
变化 情况 ， 制定 合理的消 费战略 和政 策 ， 对促进福 建经济 的 快速增长 ， 实现全省的全 面小康具有非 常重要 的现实意义 。 从现有 的文献看 ， 以往的学者对福建居 民消 费结 构的研 究 主要 是以整个省或福建城市居 民的消费结 构为研究对象 ，
基于聚类和因子分析的农村居民消费结构实证研究
文 章 编 号 ：６ ２ ６ ５ （ ０ ８ ０ —０ ９ —０ １ ７ — ９ ２ ２０ ｌ２ ０ ３ ４
基 于 聚 类 和 因 子 分 析 的农 村 居 民消 费 结 构 实 证 研 究
李 雪 ，王 莉 华
（ 宁石 油 化 工 大 学 经 济 管 理 学 院 ， 宁抚 顺 １ ３０ ） 辽 辽 １ ０ １
摘
要 ： 根 据我 国 ２０ 年 各 地 区农 村 居 民 的 消 费状 况 ， 用 Ｓ Ｓ １ ． ０５ 运 Ｐ Ｓ ５ ０统 计 分 析 软 件 ， 用 多元 统 计 分 析 中 采
的 因子 分析 与聚 类 分 析 的方 法 ， 我 国 ３ 对 １个 地 区农 村 居 民 的 消 费结 构进 行 实证 分 析 ， 察 影 响 消 费结 构 的 共 同 因 考
Ｃｌ ｓ ｅ ｉ ｇ Ａｎ ｌ ｓｓ ａ ｄ Ｆａ ｔ ｒＡｎ ｌ ｓｓ ｕ ｔ ｒｎ ａｙ ｉ ｎ ｃ ｏ ａ ｙ ｉ
ＬＩ ＸＨｅ Ｗ Ａ Ｎ Ｇ — ｈｕ ， Ｌｉ ａ
（ ｃ ｏ ｌ ｆ Ｅｃ ｎ ｍｉｓａ ｄ Ｍａ ａ ｅ ｎ ，Ｌｉ ｏ ｉ ｇ Ｕｎｖ ｒｉｙ ｏ ｔｏｅ ｍ ＆ Ｃ ｅ ｃ ｌＴｅｈ ｏｏ ｙ。 Ｓ ｈ ｏ ｏ ｏ ｃ ｎ ｎ ｇ ｍｅ ｔ ｏ ａ ｎｎ ｉｅ ｓｔ ｆ Ｐｅｒ ｌｕ ｈ ｍｉａ ｃ ｎ ｌｇ
维普资讯
第２ 卷第２ ８ 期
辽 宁
石
ห้องสมุดไป่ตู้
油
化 工
大
学
学
报
Ｖｏ． ８ Ｎ ． １ ２ ｏ ２
２０ ０ ８年 ６月 Ｊ ＯＵＲＮＡＬ ＯＦ Ｌ ＡＯＮＩ Ｉ ＮＧ ＵＮＩ ＶＥＲＳ ＴＹ ＥＴＲＯＬ Ｉ ＯＦ Ｐ ＥＵＭ ＆ ＣＨＥＭ Ｉ ＣＡＬ ＴＥＣＨＮＯＬ ＯＧＹ Ｊ ｎ ２ ０ ｕ． ０８
基于因子和聚类分析的居民消费价格变动水平评价
影 响居 民消 费 价 格 指数 的 因素 众 多 ， 导致 近年
来 居 民消费价 格 水平 波动 频繁 。如食 品价 格不 断攀 升 、 国房地 产价 格 和 装 修 材 料 的 价格 仍 处 于高 位 全 运 转 状态 、 内能源价 格 连续 上涨 、 市居 民食 用水 国 城 价 格 升高 ； 是 由于技 术 的进步 和更 新换 代 ， 但 文体 娱
施 中货 币政策 比财 政 政 策 更 有效 果 ， 各 种 政 策 对 且 物价 的影 响在 时滞 和方式 上有 较大 的差 异＿ 。陈 少 ５ ］
勇通 过 对 深圳 市 ２０ — ２０ ０ ４ ０ ８年 消 费 价 格 指 数 走 势
算 的结 果 ¨ 。同 时 ， 费价 格 指 数 还 能 反 映 出 当前 】 ］ 消 通 货膨 胀 的水 平情 况 、 币 购 买力 情 况 和 普 通 职 工 货
工 资实 际 收入情 况 等 ， 世 界 各 国普 遍 编 制 的 一 种 是
指数 。 反 映 居 民 消 费价 格 指 数 的商 品种 类 较 多 ， 当前
投 放市 场 的速度 过快 、 成本 不断 上升 等 因素 的制约 ，
物 价 的上涨 趋势 在 短期 内难 以改 变 ， 有 进一 步 加 并 快 的风 险 。 ］ 近 些年来 ， 随着经 济发 展水平 、 们生 活方 式 的 人 不 同 ， 民消 费价 格 变 动 水 平 也不 尽 相 同 。如 何 正 居 确识 别影 响居 民消费价 格变 动水 平 的因素并 对居 民 消 费价格 变动 水平 进 行 分 类 研究 ， 于 客 观认 识 当 对
第 １ ０卷 第 １ ０期 ２１ ０ ２年 １ Ｏ月
西南农业大学学报 （ 会科学版） 社
Ｊ ｕ ｎａ ｆＳ ｔ ｗｅ ｔＡｇ ｉｕｔ ｒ ｌＵｎｖ ｒｉｙ Ｓ ｃａ ｃｅ ｃ ｉｉｎ） ｏ ｒ ｌｏ ｏｕ ｈ ｓ ｒｃ ｌｕ ａ ｉｅ ｓｔ （ ０ ｉｌＳ ｉｎ ｅＥｄｔｏ
基于聚类分析的农村居民消费结构的实证研究
基于聚类分析的农村居民消费结构的实证研究作者：张瑜来源：《财讯》2018年第04期本文依据我国2014年各地區农村居民人均消费数据，运用多元统计分析中的聚类分析的方法，对2814年我国31个地区农村居民入均消费情况进行实证分析，对31个地区按消费水平高低进行分类。
根据分析结果，结合我国农村居民消费的现状，对提高我国农村居民消费水平、改善目前农村居民消费结构提出合理亿建议。
农村居民消费结构聚类分析引言目前，消费结构大致可以分成三类：价值消费结构和实物消费结构、微观消费结构和宏观消费结构、不同社会集团的消费结构。
比较常用的是微观消费结构和宏观消费结构。
消费水平的高低十分重要，它可以评定某个地区、某个国家的经济水平，我国地大物博，各个地方的经济发展情况和习俗都不太相同，大家购买商品的喜好不一样，支出情况也有所不同。
我国是一个以农业为主的国家，农村居民是一个很庞大的消费群体。
和城镇居民的消费相比，农村居民因为收入比较少，并且收入增长速度不快，所以消费水平一直提升不上去，而农村居民消费水平的高低与国民经济有着直接的关系，分析和研究我国各地区农村居民的消费结构，对于我国在制定经济方面的政策有很大的意义。
我国农村居民消费的现状分析从2005年到2014年，我国居民的消费水平有了很大的提升，这是改革开放的成果。
从2010年到2014年，食品烟酒从占消费总额的40.4%减少到33.5%，衣着从6.5%减少到6.1%，居住从18.4%增加到21%，生活用品及服务从5.9%增加到6.0%，交通通讯从10.5%增加到12.1%，教育文化娱乐从7.6%增加到10.3%，医疗保健从8.4%增加到9.0%，其他用品及服务从2.3%减少到2%。
由此可见，我国的农村居民正在从生存型消费慢慢的转变为享受型和发展型消费，不过这种转变比较缓慢，生存型消费还是占了绝大部分比重，所以农村居民的消费结构仍然需要更大程度的提升。
各地区农村居民消费结构的聚类分析本文采用分层聚类的分析方法，以全国31个地区为例，对农村居民人均消费水平进行聚类分析。
我国农村居民消费结构的区域特征与类型分析
些耐用消费品存在着采购难 、 使用难 、 维修难的现 象 。农 民不愿 意 花 钱买 负担 ， 因此 在 购买 时 比较 理智 。另外 ， 与城 市相 比较 ， 村社 会保 障制度 还 农
十分薄弱 ， 民面 临 着 过 高 的 医疗 费用 和子 女 教 农
想变量来表示其基本的数据结构。这几个假想变 量能 够反 映原来 众多 变量 的主要 信息 。本 文用 因 子分析的结果将 ７ 个变量进行指标简化 ， 以便 于
对居 民消 费结 构作定 性 的分析 。
利用统 计 软件 Ｓ Ｓ Ｐ Ｓ对原 始数 据 进行 因子分
析， 到 Ｋ 得 ＭＯ检验 及球 形 检 验 的结 果 如 表 １ 数 ， 据 非 常适合 做 因子分 析 。
构 的 ７项指 标 （ 品 、 着 、 食 衣 居住 、 通 通 讯 、 教 交 文 娱乐 、 医疗 保健 、 他 商 品及 服 务 ） 究 分 析 我 国 其 研 农 村居 民消费结 构 的区 域 特征 和类 型 ， 始数 据 原
来源于《 中国统计年鉴 ２ ０） ０８。 ）
反映的是生活奢侈 品的消费 ， 而第 二主成分反 映 的是 生活必 需 品的消 费 。由表 ３看到 ２个 因子 的
我 国 农 村 居 民 消 费 结 构 的 区域 特 征 与类 型分 析
赵 瑜
（ 内蒙 古 大 学 经 济 管 理 学 院 ， 内蒙 古 呼和 浩特 ００２） １０ １
摘
要 ：以《 中国统 计年鉴 ２ ０ ） ０ ８ 提供的 ２ ０ ０ ７年各地农村居民家庭消费支 出的数 据为背景材 料 ， 我国 对
表 ３ 因 子 、 征 值 及 方
宁新 广重 四海 山安 河河龙 江湖 湖 蒙吉 贵甘 陕青 云西 天江 辽山 福广 北浙 上 夏疆 西庆 川南 西徽南 北 江西 北南 古林 州肃 西海 南藏 津苏 宁东建 东 京江 海
统计学中的因子分析与聚类分析
统计学中的因子分析与聚类分析统计学是一门研究收集、整理、分析和解释数据的学科，因子分析和聚类分析是其中两个重要的分析方法。
本文将介绍因子分析和聚类分析的基本概念、应用领域以及它们在统计学中的作用。
一、因子分析因子分析是一种多变量统计分析方法，用于研究观测变量之间的潜在关系和提取隐藏在数据中的共性因子。
通过因子分析，我们可以将一组相关的变量简化为更少的因子，从而减少变量的维度，提取出数据背后的信息。
1.1 基本原理在因子分析中，我们假设每个观测变量都是由一组共同的潜在因子所决定，并且这些因子之间是相互独立的。
通过因子分析，我们可以估计每个观测变量和每个潜在因子之间的相关系数，从而推断变量之间的关系。
1.2 应用领域因子分析广泛应用于社会科学、心理学、市场研究等领域。
在社会科学中，因子分析常用于构建测量量表，识别潜在的个人特质或者态度因子。
在市场研究中，因子分析可以帮助我们理解消费者的购买行为，并进行市场细分。
1.3 实际案例举个例子，假设我们有一份调查数据包含多个问题，例如消费者对于产品的满意度、价格感知、品牌忠诚度等。
通过因子分析，我们可以识别出重要的潜在因子，例如产品质量、价格因素和品牌认可等。
这些因子可以帮助我们了解消费者对于产品的整体评价。
二、聚类分析聚类分析是一种将数据划分为不同组别的方法，使得同一组别内的个体趋于相似，而不同组别之间的个体趋于不同。
聚类分析可以帮助我们发现数据中的隐藏模式和结构，并进行分类或者分群。
2.1 基本原理聚类分析的目标是将样本划分为不同的簇，使得同一簇内的样本相似度较高，而不同簇之间的样本相似度较低。
聚类分析有多种方法，包括层次聚类和K均值聚类等。
层次聚类通过计算样本之间的距离或者相似度进行聚类，而K均值聚类则通过迭代计算每个样本到簇质心的距离，并将样本分配到最近的簇中。
2.2 应用领域聚类分析在数据挖掘、市场细分、生物学等领域得到广泛应用。
在数据挖掘中，聚类分析可以帮助我们发现数据中的规律和模式。
数据分析中的因子分析和聚类分析比较
数据分析中的因子分析和聚类分析比较在数据分析的领域中，因子分析和聚类分析是两种常用的技术手段，用于对数据进行分析和解释。
尽管两者都是用来理解数据背后的模式和关系，然而因子分析和聚类分析在目的、方法和结果解释等方面存在着一些差异。
本文将比较这两种分析方法的特点和适用范围，以帮助读者更好地理解和应用这两种分析技术。
1. 因子分析因子分析是一种用于降维和数据解释的技术。
其目的是找到一组潜在的变量（因子），这些因子能够解释原始数据中的大部分方差，并且还能够保持数据的重要信息。
在进行因子分析时，我们假设观测变量是由少数几个潜在因子所决定。
因子分析的步骤包括：选择合适的因子提取方法、确定因子数目、进行因子旋转和因子解释等。
其中因子提取方法有常用的主成分分析和最大似然估计等。
在因子旋转中，我们通过调整因子间的关系来更好地理解数据。
因子分析结果通常包括因子载荷矩阵和因子得分。
因子载荷矩阵显示了每个变量与每个因子的相关性，而因子得分表示每个样本在每个因子上的得分。
这些结果有助于我们识别和理解潜在的构念和模式。
2. 聚类分析聚类分析是一种用于将样本或变量分组的技术。
其目的是在没有预先定义的组别情况下，将相似的样本或变量聚集在一起。
聚类分析是一种无监督学习方法，它不需要事先的标签或类别。
聚类分析的步骤包括：选择合适的聚类方法、设置聚类的参数、计算样本或变量之间的相似度、进行聚类分配等。
常用的聚类方法包括层次聚类和k-means聚类等。
聚类分析的结果通常是一个聚类分配图或聚类树。
聚类分配图显示了样本或变量所属的不同聚类，帮助我们观察不同聚类的特点和相似性。
聚类树则是一种层次结构，展示了聚类的过程和结果。
3. 因子分析与聚类分析的比较因子分析和聚类分析在目的、方法和结果解释等方面存在一定的差异。
首先，因子分析是一种降维技术，旨在找到潜在的变量和解释数据的结构。
而聚类分析则是一种分组技术，主要用于将样本或变量按照相似性进行划分。
因子分析与聚类分析
因子分析与聚类分析因子分析和聚类分析是数据分析中常用的统计方法，用于揭示数据中的潜在结构和关系。
本文将介绍因子分析和聚类分析的概念、原理和应用，并比较两者的异同。
一、因子分析因子分析是一种多变量分析方法，旨在通过将一组相关变量转换为较少的无关因子，减少数据的维度。
它基于假设，即这些变量背后存在一些共同的潜在因素，通过这些因素的组合来解释变量之间的关系。
因子分析的步骤如下：1. 收集数据：收集包含多个变量的数据集。
2. 确定因子数目：根据变量之间的相关性和经验判断确定因子的数量。
3. 因子提取：使用主成分分析或常见因子分析方法提取因子。
4. 因子旋转：将提取到的因子进行旋转，以便更好地解释变量之间的关系。
5. 因子解释：解释每个因子的含义和对变量的贡献。
6. 因子得分计算：计算每个观测值在每个因子上的得分。
因子分析的应用广泛，如心理学、市场研究和社会科学等领域。
它可以用于量表的构建、变量筛选和维度简化等。
二、聚类分析聚类分析是一种无监督学习方法，用于将对象分组为具有相似特征的类别或簇。
聚类分析基于样本之间的相似性，旨在发现数据中的结构和关系。
聚类分析的步骤如下：1. 收集数据：收集包含多个样本的数据集。
2. 确定聚类数目：通过观察数据和应用合适的聚类算法，确定聚类的数量。
3. 选择距离度量：选择合适的距离度量方法，如欧氏距离或相关系数。
4. 聚类算法选择：选择适合数据的聚类算法，如层次聚类或 K 均值聚类。
5. 聚类分析：将样本分组到不同的类别或簇中。
6. 结果评估：评估聚类结果的合理性和稳定性。
聚类分析的应用广泛，如市场细分、图像分析和基因表达数据分析等。
它可以帮助理解数据的内在结构和找出相似性较高的样本群体。
三、因子分析与聚类分析的比较尽管因子分析和聚类分析都是常用的数据分析方法，但它们在目标、应用和结果解释方面存在一些差异。
目标：因子分析旨在找到变量之间的潜在结构和因果关系，以减少数据的维度；聚类分析旨在将样本分组为具有相似特征的类别或簇。
统计学中的因子分析与聚类分析
统计学中的因子分析与聚类分析统计学是一门重要的学科，它被应用于各种学术和商业领域。
在统计学中，因子分析和聚类分析是两种常见的数据分析方法。
这两种方法可以帮助人们理解和发现数据中的模式和结构，从而做出科学的决策。
一、因子分析因子分析是一种数据分析方法，它可以帮助人们识别数据中的潜在因素。
这些因素通常是无法直接观察到的，但它们对数据分布和相关性有着重要影响。
因子分析的目的是找出这些隐含的因素，并将它们组合成更小的集合，以便更好地解释和理解数据。
因子分析在市场研究中有着广泛的应用。
例如，当消费者对产品或服务进行评价时，他们可能会考虑多个方面，如价格、质量、信誉等。
通过因子分析，可以将这些多个方面归结为几个因素，如品质、价值等。
用这些因素来衡量产品的综合评价。
在因子分析中，最常用的方法是主成分分析。
主成分分析会在数据集中寻找最大的方差，然后将它们组合成不同的因素。
这些因素是适当排序的，第一个因素是方差最大的因素。
通过这种方法，可以将数据压缩成更小的集合，同时保留数据的关键信息。
二、聚类分析聚类分析是一种将数据集合成有意义的组别的方法，它通常用于数据挖掘和市场分析。
聚类分析可以将数据中的相似项归为一类，而将不同项归为不同类。
聚类分析可以应用于很多领域，例如，制造业可以将生产数据集成为相似生产线的组。
在营销领域，聚类分析可以帮助企业发现相似的客户类型和购买模式。
在聚类分析中，最常见的方法是K-Means算法。
该算法会在数据集中寻找到最优的K个簇心，并将数据分配到最近的簇心中。
这个过程会一直重复，直到满足终止条件。
通过使用K-Means算法，可以将数据划分成多个聚类组，并更容易地理解数据集的组织结构。
三、因子分析与聚类分析的联系和区别因子分析和聚类分析都是数据分析领域中常见的方法。
它们的目的都是帮助人们理解和发现数据中的模式和结构。
但二者还是有所不同。
因子分析主要是通过识别数据中的潜在因素，从而帮助人们更好地理解数据的组织结构。
基于聚类和因子分析的农村居民消费结构实证研究
第28卷第2期 辽宁石油化工大学学报 Vol.28 No.2 2008年6月 J OURNAL OF L IAON IN G UN IV ERSIT Y OF PETROL EUM&CH EMICAL TECHNOLO GY J un.2008文章编号:1672-6952(2008)02-0093-04基于聚类和因子分析的农村居民消费结构实证研究李 雪,王莉华3(辽宁石油化工大学经济管理学院,辽宁抚顺113001)摘 要: 根据我国2005年各地区农村居民的消费状况,运用SPSS15.0统计分析软件,采用多元统计分析中的因子分析与聚类分析的方法,对我国31个地区农村居民的消费结构进行实证分析,考察影响消费结构的共同因素。
从分析的结果可看出,国家政策的扶持对我国农村居民消费结构的影响是显著的。
关键词: 消费结构; 因子分析; 聚类分析中图分类号:D422.7 文献标识码:AEmpirical St udy on t he Consumption St ruct ure of Rural Resident s Based onClustering Analysis and Factor AnalysisL I Xue,WAN G Li-hua3(School of Economics and M anagement,L iaoning Universit y of Pet roleum&Chemical Technology,Fushun L iaoning113001,P.R.China)Received2December2007;revised20M arch2008;accepted25M arch2008Abstract: According to the consumption status of residents in2005,using SPSS15.0statistics analysis software,an empirical analysis on consumption structure of rural residents of31regions was made by adopting factor analysis method and cluster analysis method of multiplex statistics analysis.The common factors affecting the consumption structure were investigated.The analysis results show that the support of national policies has a significant influence on consumption structure of rural residents.K ey w ords: Consume structure;Factor analysis;Classification analysis3Corresponding author.Tel.:+86-413-6860896;fax:+86-413-6860896;e-mail:pointwang63@ 消费是实现国民经济良性循环的关键,而消费结构是否合理,又是消费的关键问题。